IXThinker·2026-05-14 12:40

四十七項工程任務測試智能體實戰力

針對智能體缺乏標準答案工程任務表現的評測基準發布，涵蓋四十七項開放式任務，要求模型提出方案、接入仿真器、排查錯誤並持續改進，檢驗其在高不確定、強約束環境下的實戰決策與執行能力。

評測動機

長期以來，智能體在大多數任務上依賴已知知識庫檢索既有答案，而真實工程現場面對的是沒有滿分解的開放問題，例如水下機械人穩定性、動力電池析鋰邊界及量子線路噪聲控制，只能持續逼近極限。